在R语言中按ID筛选特定周数区间内的最优测量值

需求说明 #

现有一个长格式数据集，每个参与者应包含9项测量值，但实际每条ID的记录数都多于9条。需要根据Weeks变量的指定区间筛选记录，每个区间对应一个理想周数：

1. 第1项：Weeks < 12，理想周数10
2. 第2项：12 ≤ Weeks < 25，理想周数16
3. 第3项：25 ≤ Weeks < 28，理想周数25
4. 第4项：28 ≤ Weeks < 31，理想周数28
5. 第5项：31 ≤ Weeks < 34，理想周数31
6. 第6项：34 ≤ Weeks < 36，理想周数34
7. 第7项：36 ≤ Weeks < 38，理想周数36
8. 第8项：38 ≤ Weeks < 40，理想周数38
9. 第9项：Weeks ≥ 40，理想周数40

若同一参与者在某个区间内有多条记录，仅保留与该区间理想周数最接近的那条，其余记录删除。

示例数据 #

ID <- c(1,1,1,1,1,1,1,1,1,1,
        2,2,2,2,2,2,2,2,2,2,2,2,2)
Weeks <- c(11,16,25,28,31,34,35,36,38,40,
           6,12,13,26,29,31,32,33,34,36,38,40,41)
Measurement <- c(120,160,170,200,120,40,89,70,63,44,
                 90,92,93,94,95,96,97,100,100, 120,
                 110, 100, 130)
df1 <- data.frame(ID, Weeks, Measurement)

解决方案 #

通过以下步骤实现筛选逻辑：

1. 定义区间规则与对应理想周数的映射
2. 为每条记录匹配所属区间的理想周数
3. 按ID和区间分组，保留与理想周数差值最小的记录

R代码实现 #

# 定义区间规则：键为理想周数，值为区间判断条件
interval_rules <- list(
  "10" = ~Weeks < 12,
  "16" = ~Weeks >=12 & Weeks <25,
  "25" = ~Weeks >=25 & Weeks <28,
  "28" = ~Weeks >=28 & Weeks <31,
  "31" = ~Weeks >=31 & Weeks <34,
  "34" = ~Weeks >=34 & Weeks <36,
  "36" = ~Weeks >=36 & Weeks <38,
  "38" = ~Weeks >=38 & Weeks <40,
  "40" = ~Weeks >=40
)

# 为每条记录匹配对应的理想周数
df1$ideal_week <- NA
for (iw in names(interval_rules)) {
  df1$ideal_week[eval(interval_rules[[iw]], df1)] <- as.numeric(iw)
}

# 分组筛选：保留每个ID-区间组内与理想周数差值最小的记录
library(dplyr)
result_df <- df1 %>%
  group_by(ID, ideal_week) %>%
  mutate(diff = abs(Weeks - ideal_week)) %>%
  filter(diff == min(diff)) %>%
  select(-diff, -ideal_week) %>%
  ungroup()

# 查看最终结果
result_df

结果验证 #

运行代码后，得到的数据集会移除原数据的第7、12、17、18、23行，与预期完全一致。

内容的提问来源于stack exchange，提问作者19056530